Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tecnicas para La Toma de Decisiones
Tecnicas para La Toma de Decisiones
ACTIVIDAD IV
TRABAJO.
Estudiantes:
Leonela Núñez.
CI: 26.690.866.
Ledis Valera.
CI: 27.619.262.
Jesús López.
Ci: 27.022.647
Materia: Técnicas para la toma de decisiones.
Profesor: Jesús Pineda
Introducción………………………………………………………...1-2
Modelo de redes……………………………………………………3-4
Programación de metas………………………………………….….9-12
Sistemas de colas……………………………………………………...43
Conclusiones…………………………………………………..………..48-49
Referencia bibliográfica……………………………………………..….50-51
Introducción.
1
funciones objetivo son lineales y el conjunto de restricciones es un
poliedro convexo, o en los problemas convexos multiobjetivo, en los
que el conjunto de restricciones es convexo y las funciones objetivo
son convexas si se tratan de minimizar y cóncavas si se tratan de
maximizar. Sin embargo, en numerosas ocasiones los problemas
reales no se formulan adecuadamente a través de modelos lineales o
convexos sino que necesitan ser modelizados a través de un
cociente de funciones. Aparecen así los problemas con funciones
objetivo fraccionales que, en general, no son cóncavas ni convexas y
a los que se denomina problemas o programas fraccionales
multiobjetivo.
2
Modelos de redes:
3
Versión 3; Tipos de Modelo de Redes: La familia de redes de los
problemas de optimización incluye los siguientes prototipos de modelos:
Problemas de asignación, camino crítico, flujo máximo, camino más corto,
transporte y costo mínimo de flujos. Donde los problemas son
establecidos fácilmente mediante el uso de arcos de redes y de los nodos.
4
eléctrica, telefónica, carretera, ferroviaria, aérea, marítima, hidráulica o de
gas, entre otros. Donde los nodos representan puntos de consumo
eléctrico, teléfonos, aeropuertos, computadoras y los arcos podrían ser de
alta tensión, cable de fibra óptica, rutas aéreas, agua, gas entre otros. A
este también se le conoce como árbol generador mínimo, por lo que es
una red conexa y ponderada que se refiere a utilizar los arcos de la red
para llegar a todos los nodos de esta, de manera tal que se minimiza la
longitud total.
5
arco. En la fuente, todos los arcos señalan hacia fuera. En el destino,
todos señalan hacia el nodo.
li j ≤ xi j ≤ ui j ∀i ∈ N (1.2.1c)
6
nodo i es un nodo con oferta, si b(i) < 0, el nodo i es un nodo con
demanda, con una demanda de −b(i). Finalmente, si b(i) = 0, se dice que
el nodo i es un nodo de transbordo.
ui j := ui j −li j
(1.2.2a)
7
mediante la suma de li j al flujo óptimo de cada arco (i, j) y sumando ∑(i,
j)∈A ci jli j al valor óptimo del problema transformado.
0 ≤ xi j ≤ ui j ∀i ∈ N
(1.2.3c)
Por otro lado PERT y CPM son dos métodos usados por la dirección
para, con los medios disponibles, planificar un proyecto a fin de lograr su
objetivo con éxito. Es por ello, que las técnicas de PERT y CPM preparan
el plan mediante la representación gráfica de todas las operaciones que
8
intervienen en el proyecto y las relacionan, coordinándolas de acuerdo
con las exigencias tecnológicas.
Programación de Metas:
9
programación de metas permite alcanzar varios objetivos de
manera simultánea.
10
Trata de las restricciones de meta, en lugar de las restricciones de
recurso que se han analizado.
11
con respecto a su nivel de aspiración, mientras que las variables de
desviación positiva cuantifican el exceso de logro de una meta con
respecto a su nivel de aspiración.
12
La programación por metas tiene sus inicios en los trabajos de Charnes y
Cooper a principios de los años sesenta como una aplicación de la
programación lineal con múltiples objetivos, siendo esta una de las áreas
con mayor número de aplicaciones en la programación multiobjetivo. La
idea del método consiste en proponer metas o niveles de aspiración para
los distintos objetivos que se desean alcanzar. Una solución óptima se
define como aquella que minimiza la desviación de las metas. El tomador
de decisiones debe ser capaz de establecer al menos una importancia
ordinal, para clasificar estas metas. Una ventaja importante de la
programación por metas es su flexibilidad en el sentido de que permite al
tomador de decisiones, experimentar con una multitud de variaciones de
las restricciones y de prioridades de las metas cuando se involucra con un
problema de decisión de objetivos múltiples. Lo formularemos como:
Buscar x ∈ R n tal que:
s.a. x ∈ F.
13
desviación tomarán el valor cero cuando la meta alcance exactamente su
nivel de aspiración.
14
1. Tener un ingreso por impuestos de 16 millones.
2. Que el impuesto para alimentos y medicinas no exceda el 10% del
total de impuestos
3. Que el impuesto sobre ventas no exceda el 20% del total de
impuestos.
4. Que el impuesto para gasolina no exceda de 2 centavos por galón.
15
4. Que el impuesto para gasolina no exceda de 2 centavos por galón.
x4 <= 2
X4 + n4 – p4 = 0
s.a. x ∈ F
zi(x) − d + i + d − i = ˆzi
d + i, d− i ≥ 0, i = 1,...p
16
que se está haciendo es dar una misma importancia a todos los criterios.
Si no es ese el caso, se deben multiplicar por pesos que muestren la
importancia dada por el decisor a cada meta.
Min d− 1 + d + 2
s.a. x1 ≥ 20
x1 + x2 ≤ 100
17
x1 + x2 ≥ 50
x1 − d + 1 + d − 1 = 75
xj, d+ i, d− i ≥ 0, j = 1, 2, i = 1,...2
Min d − 1 75 + d + 2
10000
s.a. x1 ≥ 20
x1 + x2 ≤ 100
x1 + x2 ≥ 50
x1 − d + 1 + d − 1 = 75
18
plantearía en los siguientes términos:
Min D
s.a. x ∈ F
d + i, d− i ≥ 0 i = 1,…, p
Min D
s.a. x1 ≥ 20
x1 + x2 ≤ 100
x1 + x2 ≥ 50
x1 − d + 1 + d − 1 = 75 200
x1 + 100x2 − d + 2 + d − 2 = 10000
d−1≤D
75
d+2≤D
1000
xj, d+ i, d− i ≥ 0, j = 1, 2, i = 1,...2
19
Algoritmos de programación de metas:
El algoritmo será:
Min λ1 = z1 (d +, d−)
zi(x) − d + i + d − i = ˆzi , i ∈ P1
x≥0
d + i, d− i ≥ 0, i ∈ P1
20
Min λk = zk (d +, d−)
zq (x) − d + q + d − q = ˆzq, q ∈ P1 ∪. . . Pk
zt (d +, d−) = λ ∗ t, t = 1,. . . , k − 1
x≥0
d +, d− ≥ 0
E ir al 2.
s.a. x1 + 3x2 − d + 1 + d − 1 = 24
2x1 + x2 − d + 2 + d − 2 = 18
x1 + x2 − d + 3 + d − 3 = 10
2x1 + 3x2 − d + 4 + d − 4 = 21
4x1 + 2x2 − d + 5 + d − 5 = 12
xj , d+ i , d− i ≥ 0, j = 1, 2, i = 1, . . . 5
Min λ1 = d + 1 + d + 2 + d + 3
s.a. x1 + 3x2 − d + 1 + d − 1 = 24
2x1 + x2 − d + 2 + d − 2 = 18
x1 + x2 − d + 3 + d − 3 = 10
21
x1, x2, d+ 1 , d+ 2 , d− 1 , d− 2 , d+ 3 , d− 3 ≥ 0
Min λ2 = d − 4
s.a. x1 + 3x2 − d + 1 + d − 1 = 24
2x1 + x2 − d + 2 + d − 2 = 18
x1 + x2 − d + 3 + d − 3 = 10
2x1 + 3x2 − d + 4 + d − 4 = 21
d+1+d+2+d+3=0
xj , d+ i , d− i ≥ 0, j = 1, 2, i = 1, . . . 4
Y vamos al paso 2.
min λ3 = d + 5
s.a. x1 + 3x2 − d + 1 + d − 1 = 24
2x1 + x2 − d + 2 + d − 2 = 18
x1 + x2 − d + 3 + d − 3 = 10
22
2x1 + 3x2 − d + 4 + d − 4 = 21
4x1 + 2x2 − d + 5 + d − 5 = 12
d + 1 + d + 2 + d + 3 = 0, d− 4 = 0
xj, d+ i , d− i ≥ 0, j = 1, 2, i = 1, . . . 5
Y vamos al paso 2.
23
problema Gi para garantizar que el valor no se degrade en problemas
futuros. Establezca i=i+1, y repita el paso i.
Ejemplo:
Radio Televisión
Exposición(en millones de personas)/min 4 8
Costo en miles de dólares por minuto 8 24
Empleados asignados/min 1 2 1 2
Paso 1. Resolver:
Minimizar G− 1 = d − 1
s.a. 4x1 + 8x2 + d − 1 − d + 1 = 45 (Meta de exposición)
8x1 + 24x2 + d − 2 − d + 2 = 100 (Meta de presupuesto)
x1 + 2x2 ≤ 10 (Límite de personal)
24
x1 ≤ 6 (Límite de radio)
xj , d+ i , d− i ≥ 0, j = 1, 2, i = 1, . . . 2
Minimizar G+ 2 = d +
Minimizar G+ 2 = d + 2
x1 ≤ 6 (Límite de radio)
xj, d+ i , d− i ≥ 0, j = 1, 2, i = 1, . . . 2
25
Otra modificación importante de la programación por metas consiste en
considerar la función objetivo como una suma ponderada de pesos λi ≥ 0
y potencias de orden q de las diferencias |zi(x) − zˆi|. En este caso el
problema es:
s.a. x ∈ F
26
planeados, EOQ con varios artículos con limitación de almacenamiento,
entre otros.
Hay muchos más modelos EOQ con parámetros muy específicos. Por lo
pronto nosotros vamos a considerar los más estudiados.
Este plantea un reto y es el tamaño del lote, pues en función de este los
costos de inventario podrán ser mayores o menores. Para dar respuesta,
se han generado métodos o sistemas de loteo, como son los siguientes:
27
solución al problema de inventario. Se enfoca en la minimización
del costo total (ordenar y mantener) por período.
Costo unitario mínimo (CUM): Se enfoca en la minimización del
costo unitario a través de la comparación de los costos de ordenar
y mantener para diferentes tamaños de lote, en aras de elegir
aquel que presente una menor diferencia.
Algoritmo de Wagner - Whitin (WW): A través de programación
dinámica, busca la minimización del costo de ordenar y el de
mantener inventario.
Modelo general de inventario:
28
Costo de faltante: se genera por la falta de inventario, como la pérdida
potencial de determinada ganancia. Por otra parte, el sistema de
inventario necesita ser revisado. Esta revisión puede ser de las siguientes
formas:
29
y en tránsito) alcance un número de unidades especifico «R» se
debe de ordenar o correr la producción).
El Costo Anual por ordenar (el cual será igual al costo anual por
mantener).
El costo Anual por mantener (el cual será igual al costo anual por
ordenar).
Un solo ítem.
30
D = Demanda anual, dada en unidades por año.
H=i * C
2
D*S Q*H
TRC: +
Q 2
31
Gráficamente se puede deducir que el punto de pedido es el mismo punto
en el cual los costos de ordenar y mantener se encuentran (es decir son
iguales), de esta manera se despeja la fórmula del EOQ.
D*S Q*H
TRC: +
Q 2
2 * D * S = Q2
2 * D * S = Q2 = Q2
2 * D * S = Q2 = Q
EOQ= 2*D*S
32
Además del EOQ se pueden calcular múltiples datos que son de vital
importancia para un posterior análisis y generar una mejor programación.
N= Q =
EOQ
R= D_ *L
365
33
crear la estructura del modelo y asignar las probabilidades y los valores
para poblar el modelo de computación. Aquí se incluyen los valores para
las probabilidades, las funciones de valor para evaluar alternativas, las
ponderaciones de valor para medir la concesión que se debe hacer entre
los objetivos, y la preferencia de riesgo.
34
algún valor mensurable. Los gerentes toman decisiones en situaciones
complejas. Las matrices de árbol de decisiones y pago describen estas
situaciones y añaden estructura a los problemas
35
requiere buscar un conjunto más rico de alternativas que las que se
presentaron inicialmente o que las aceptadas tradicionalmente. Sea breve
en la parte de la lógica y la razón de su decisión. Es probable que existan
mil cosas en un automóvil, pero usted no las necesita todas para tomar la
decisión. Con media docena es suficiente.
36
incógnita. Algunos de estos comportamientos son los optimistas, los
pesimistas y los de arrepentimiento, entre otros.
Observe que esta categoría de problemas (es decir, los problemas con
pura incertidumbre) resultan apropiados sólo para la toma de decisiones
en la vida privada. No obstante, la persona pública (es decir, el gerente)
tiene que tener cierto conocimiento de los estados de la naturaleza, para
poder predecir las probabilidades de cada estado. De lo contrario no
podrá tomar una buena decisión que sea razonable y defendible.
Teoría de juegos
37
La teoría de juego es un enfoque distinto e interdisciplinario al estudio del
comportamiento humano. Las disciplinas más implicadas en la teoría de
juego son las matemáticas, economía y otras ciencias sociales y del
comportamiento. La teoría de juego (como teoría computacional y tantas
otras contribuciones) fue fundada por el gran
matemático John von Neumann. El primer libro importante fue La Teoría
de Juegos y el Comportamiento Económico, que von Neumann escribió
en la colaboración con el gran economista
matemático, Oskar Morgenstern.
Elementos:
38
La representación Normal o Estratégica muestra el juego a través de una
matriz de resultados. A cada uno de los jugadores le corresponde una de
las dimensiones de la matriz, y sus estrategias son indicadas a lo largo de
dicha dimensión. Los pagos para los jugadores son indicados en cada
cuadrante de la matriz. Por razones prácticas, en general sólo se utiliza
esta representación para situaciones con dos jugadores.
39
elige la estrategia de confesar. En definitiva, el juego se resuelve de la
manera menos conveniente para ambos jugadores: confesar/confesar.
Modelación de juegos:
40
tomar la decisión óptima. La teoría de juegos es muy diversa. Se puede
diferenciar según los tipos de juegos o las áreas de estudio.
41
interesante en esta situación es que los jugadores quieren mejorar la
coyuntura, pero no lo hacen al desconocer las intenciones de los demás.
Así es como se llega al denominado equilibrio.
42
Modelos matemáticos asociados.
Características:
Sistema de Colas.
Características
43
Proceso de salida, que son de los siguientes dos tipos:
44
están solicitando el citado servicio prácticamente no afecta a la frecuencia
con la que la población potencial genera nuevas peticiones de servicio.
La disciplina FIFO (first in first out), también llamada FCFS (first come first
served): según la cual se atiende primero al cliente que antes haya
llegado.
La disciplina LIFO (last in first out), también conocida como LCFS (last
come first served) o pila: que consiste en atender primero al cliente que
ha llegado el último.
45
La RSS (random selection of service), o SIRO (service in random order),
que selecciona a los clientes de forma aleatoria.
46
47
demanda de un cliente (tiempo de servicio) puede ser constante o
aleatorio.
Conclusiones.
48
sistema de cola bajo ciertos parámetros, en función de la toma de
decisiones.
49
Tomar decisiones siempre es complicado, sobre todo cuando no se
dispone suficiente información para poder tomarlas con la mayor
seguridad posible. Por eso, antes de tomar cualquier decisión (y más en
aquellas decisiones importantes en las que te juegas el negocio) debes
parar y analizar las alternativas. Recordando que la peor decisión es la
que no se toma.
Referencias Bibliográficas.
Simón, H.A (1980): El comportamiento administrativo. Estudios de los
procesos decisorios en la organización administrativa, Aguilar,
Madrid,1980.
50
Hillier FS, Lieberman GJ. Fundamentos de Investigación de Operaciones.
9na ed. México D.F.: McGraw–Hill Interamericana; 2014.
Haghighi AM, Mishev DP. Delayed and Network Queues. New York:
John Wiley & Sons, Inc.; 2016.
Allen A. Probability, Statistics, and Queueing Theory. 2nd Edition. New
York: Academic Press; 2014.
51
https://www.ingenieriaindustrialonline.com/investigacion-de-operaciones/
teoria-de-redes/#:~:text=El%20algoritmo%20del%20%C3%A1rbol
%20de,cantidad%20variable%20seg%C3%BAn%20el%20contexto
https://www.grapheverywhere.com/arbol-de-expansion-de-peso-minimo/
#:~:text=El%20%C3%A1rbol%20de%20expansi%C3%B3n%20de,usos
%20que%20analizaremos%20a%20continuaci%C3%B3n.
https://sites.google.com/site/invsop1puntomodelo/flujo-maxim
https://www.eoi.es/blogs/madeon/2013/04/15/metodos-pertcpm/
52
53